dsh-short-video-studio

完全本地 · 免费 · 零云端依赖的短剧 / 动画画布工作室，作为 DeepSeek Harness 双面插件运行。所有生成都跑在本地 ComfyUI 上——不需要任何付费云 API、不消耗额度，装好即用，一次生成、无限出片。

一句话：Agent 按你定义的 skill 编排流程，把生成请求派发到本地 ComfyUI 执行，产物落进可视化画布，还能通过飞书远程操控创作。

🌟 模型无关：FLUX 2 / MiniMax H3 只是插件随附的内置默认工作流，不是产品边界。本插件是通用的 ComfyUI 工作流执行器 + 能力注册表——任何 ComfyUI 能跑的模型（SDXL / SD3.5 / Qwen-Image / Wan / CogVideoX / LTX / 本地 Kling 等，图片或视频、带不带声音都可以）都能通过导入一份工作流清单接入，skill 与工具契约无需任何改动。换模型 = 加一份 JSON。

功能亮点

🖥️ 本地化、0 成本的视频工作流

• 零云端依赖：默认图片用 FLUX 2、视频用 MiniMax H3 音视频 AV 模型（带声音、支持参考图绑定与画面内原生字幕，对白直接写进 prompt，无需后期叠加）——两者都只是内置默认，可整体替换为你自己的任何 ComfyUI 模型/工作流。
• 画质/速度三档（tier）：视频 fast（调试 / 调构图，长边 832）· balanced（日常，画质与耗时平衡，长边 1344）· quality（成片，长边 1344）；旧参数 mode= 为兼容别名。加速不暴露到产品层——设置页每个能力只有一条内置默认策略，其余策略由你自己命名与组合（见下）。图生图仍走 fast / quality 的 mode 轴（图片清单未分档）。分辨率按画布比例自动推导，支持 16:9 / 9:16 / 1:1 等任意画幅，snap32。
• 图片双模（文生图 / 图生图）：t2i 用 FLUX 2 直接出卡（角色卡 / 场景卡 / 分镜图），i2i 用 FLUX 2 ReferenceLatent 改绘——保持主体不变、换背景 / 场景 / 画风 / 去水印；单张参考图、尺寸跟随参考图（≤1MP），quality（20 步无 LoRA，保真）/ fast（8 步 Turbo LoRA，调试快），可一次出 1–4 张。
• 同场景续接镜「续得上」：continuity_from=上一镜节点 id ⇒ 链式续接——把上一镜的服务端 latent 直接钉进本镜（画面逐帧接住它的结尾、音频从接缝继续，实测接缝画面差 2.6–7.0，无续接对照 32–68），不需要上传图片、也不吃画质。r2v 与 i2v 两侧都支持（i2v 链式实现另见下），跨形状续接（上一镜 r2v → 本镜 i2v）同样可用。链的硬约束见档位与加速策略与 docs/shot-chain-continuity.md。
• 完整后处理：同场景续接（链式 latent 或末帧串联）、生成式转场镜、抽帧、拼接合成（本机有 ffmpeg 走零重编码，否则 ComfyUI 纯节点链路）——一条龙出片。

🎨 可视化画布

• 每个会话多一个「画布」tab，按生产顺序预览 / 编辑 / 重做每一步产物：简报、大纲、角色卡、场景卡、镜头表、分镜、逐镜片段、成片。
• 文本节点实时渲染 markdown（标题/表格/列表/代码块），媒体节点直接内嵌预览；分组、排序、删除、入库（一键登记为跨会话资产）都在画布上完成。
• 自己添加资产：画布顶栏「＋ 上传图片」可直接把本地 png/jpg/webp/gif 传成角色卡/场景卡等资产节点（无需先生成）；「📚 资产库」带缩略图把已入库的跨会话资产取到当前画布，之后即可作为 ref 参考直接驱动视频生成。
• 生成的卡也能编辑替换：已生成/已入库的角色卡、场景卡上点「编辑」→ 选本地图即可替换该卡图片（节点/标题/分组保留；若已入库会解除绑定，替换后按需重新「入库」登记新版本）。
• 输入框视频生成（video-generate skill 的可视化入口）：会话输入框工具行左端保留「🎨 图片 / 🎬 视频」开关。点「🎬 视频」即把 /video-generate 斜杠命令（内联 type/tier/ratio/size/length/refs/first/last 参数）写入官方输入框，用 dsh 原生 skill 加载机制加载内置 video-generate skill；同时在输入卡上方弹出紧凑工具条——类型 r2v（参考图生成）/ i2v（首/末帧生成）、档位下拉（选项来自档位矩阵，带实测耗时）、比例、时长（原生下拉菜单）与「参考图 / 首帧 / 末帧」自定义上传元素（经 /canvas/upload 落为画布节点；dsh 原生附件无法端到端转成 ref_nodes，故保留自定义图片输入）。prompt 接着写在官方输入框空行后，改参数时工具条自动重写命令行、保留 prompt；发送直接点 dsh 默认发送键（提交整条草稿，不额外做发送按钮、不劫持 Enter），Agent 按对应 skill 解析命令行参数并调用生成工具出片，产物回进对话并落画布。图片生成（🎨 image-generate）同机制：工具条切换 文生图（t2i）/ 图生图（i2i）——t2i 选比例与张数（默认 1344×768，可 1–4 张）；i2i 上传单张参考图（图 chip + ➕ 新增格，与 dsh 原生上传同款 64px 样式）、选 quality / fast 档与张数，命令头自动写 /image-generate type=… tier=… refs=<画布节点id>。档位按模式独立记忆：视频默认 fast（调试快）、图生图默认 quality（保真优先），手动选过后各自记住；上传的参考图即画布节点（删除/切型/清空草稿都会同步清理，画布不残留）。
• Agent 工具与画布页读写同一份持久状态，对话推进的每一步产物都实时可见。

🧩 自由扩展：skill 与 workflow

• skill 可扩展 + 随插件升级自动更新：生产流程完全由 skill 定义（安装时复制到 ~/.dsh/skills/，带版本戳：内容没被你改过就随插件升级自动刷新，你改过就只提示、不覆盖）。写一个 SKILL.md 就能定义你自己的片型流程——插件本体不认识任何流程、任何片型词汇。
• workflow 可扩展：插件退化为「通用 ComfyUI 工作流执行器 + 能力注册表」。换模型、换工作流 = 增删一份 JSON，不动 JS、不动工具、不动系统提示。FLUX 2 / MiniMax H3 只是内置默认，你的任何 ComfyUI 工作流（SDXL / Qwen-Image / Wan / CogVideoX / LTX…）都可以直接导入并设为默认（见导入你的 workflow）。

🎬 多场景创作：一套引擎，任意场景

• 默认内置 3D 动画短片场景（故事创意 → 角色/场景/镜头/分镜/逐镜/合成），但场景不是插件边界。
• 电商宣传视频（商品/卖点 → 展示分镜 + 口播）、教育课件讲解（知识点 → 图解 + 讲解）、品牌故事、纪念短片、Vlog 解说……任何「输入 X → 产出视频」的创作场景，都通过扩展一个 skill 覆盖——复用同一套画布、生成工具、资产库与飞书交付，只换编排规则（见开发你自己的场景 skill）。
• 场景与模型双解耦：场景由 skill 定义、模型由注册表定义，两者互不绑定——电商场景也可以随时切换到你想用的任何 ComfyUI 模型。

📱 飞书集成：远程操控工作台创作

• 会话可以跑在飞书聊天里（配合 dsh-lark 飞书渠道）——你在飞书里说一句话，Agent 就在本地工作台上按 skill 走完整条流水线。
• 每次提问前，插件自动把画布产物送达飞书：图片/视频直接发原文件，简报/大纲/镜头表/分镜等文本自动导出为 PDF（飞书可直接预览）——无需登录任何后台，聊天里就能收片、审片、下指令重做。

安装说明：dsh-lark 飞书渠道是 web profile 的插件，安装时必须带 --profile web；若希望飞书与 dsh web 共用同一个 profile（同一份插件、会话与工作区，Web 画布与飞书聊天看到同一块画布）：

dsh plugin --profile web add dsh-lark-channel@latest

装好后在飞书里把 bot 拉进群即可开始远程创作；群聊会先弹审批卡、再出选项卡。

快速开始

前置条件：本机或者远程主机已运行 ComfyUI，并已下载你计划使用的模型——内置默认（FLUX 2 / MiniMax H3）或你自己导入的模型（见配置与导入 workflow）。

# 安装插件（三种来源任选其一；npm 为正式发布渠道，推荐）

# ① npm（正式发布，随版本自动更新安装源）
dsh plugin --profile web add dsh-short-video-studio
# ② GitHub（最新源码）
# dsh plugin --profile web add github:fengyungithub/dsh-short-video-studio
# ③ 本地源码（开发用）
# dsh plugin --profile web add file:/path/to/dsh-short-video-studio

dsh web   # 重启后会话出现「画布」tab；自带 skill 已自动装到 ~/.dsh/skills/

安装后自动完成三件事：skills/ 下 skill 复制到 ~/.dsh/skills/（版本戳刷新：每个副本的 .dsh-studio-manifest 记下插件版本 + 内容哈希，内容被你改过就只提示、绝不覆盖，没改过才随插件升级刷新；DSH_SVS_SKILL_REFRESH=off 关掉刷新、=force 连改过的也覆盖）；Web 设置页新增 ComfyUI 配置菜单；会话多出「画布」视图 tab。

开始创作：在会话里说

把「一只想当宇航员的小狐狸」做成 30 秒 3D 动画短片

Agent 会按 skill 定义的流程推进：项目简报 → 故事大纲 → 角色卡 → 场景卡 → 镜头表 → 分镜 → 逐镜生成 → 拼接合成，关键节点用选项卡确认。产品界面（真实会话截图）：

对话体验：流程叙述 + 任务看板	对话体验：可视化画布

输入框生成条（真实 UI 截图）

会话输入框工具行左端「🎨 图片 / 🎬 视频」开关，点开后即在官方输入卡内弹出紧凑参数条，命令头自动写入草稿首行、prompt 写在空行后，直接走 dsh 原生发送键提交（截图均为真实会话）：

🎬 视频生成（r2v · 默认 fast 档）	🎨 图片 · 文生图（t2i）	🎨 图片 · 图生图（i2i · 参考图 chip）

视频条：类型 r2v（参考图）/ i2v（首/末帧） · 档位 来自档位矩阵（能力有几个档、每档长边与耗时全部读注册表 —— UI 不预设档位数量与名称，默认取该能力首个可用档）——矩阵未加载时不猜档位，命令行也不拼 tier=（交给服务端按清单解析），并显示解析到的实现 id、加速标记与缺节点告警 · 比例 · 时长，参考图/首帧/末帧可上传画布节点。图片条：类型 文生图 / 图生图——t2i 选比例（1344 长边）+ 张数；i2i 传单张参考图（尺寸跟随参考图）、档位默认 quality、可出 1–4 张。

架构概览

完整设计文档见 docs/ARCHITECTURE.md 与 docs/workflow-contract.md。核心分层：

┌──────────────────────────────────────────────────────────────┐
│ 展示层（浏览器半）  lib/client.js + studio/                     │
│  「画布」会话 tab + 「ComfyUI」设置页（配置 / 注册表 / 导入）      │
├──────────────────────────────────────────────────────────────┤
│ 契约层（纯数据 + 校验）  workflows/*.json + lib/manifest.js      │
│  能力词汇表 · 注入原语 · $assets 占位 · $model 哨兵 · 强校验     │
├──────────────────────────────────────────────────────────────┤
│ 执行层（宿主半）  lib/index.js                                 │
│  ComfyUI 客户端 · 渲染编排 · 分辨率策略 · 注册表解析 · 画布存储  │
├──────────────────────────────────────────────────────────────┤
│ 集成层                                                        │
│  Agent 工具注册 · GUIDANCE · HTTP 路由 · skill 安装 · 渠道送达  │
└──────────────────────────────────────────────────────────────┘

设计主张：插件不认识「FLUX」「H3」这些名字，只认识能力（capability）与工作流清单（manifest，数据而非代码）——FLUX 2 / MiniMax H3 只是注册表里「恰好是默认」的两条记录，任何模型接入后享有同等地位。三层正交契约：

清单里的 $assets.<key> 占位让「换模型文件只改配置」；["$model", 0] 哨兵让「按质量档插 LoRA 链」由编译期自动完成。注册表来源优先级：内置 workflows/ < 用户 ~/.dsh/dsh-short-video-studio/workflows/（同名遮蔽）< assetOverrides / 环境变量（换模型文件名，不动图结构）。

目录结构

├── lib/
│   ├── index.js          # 宿主半：ComfyUI 客户端、渲染编排、画布存储、路由、Agent 工具、GUIDANCE
│   ├── manifest.js       # 契约引擎：能力词汇、manifest 校验、图编译、注册表加载
│   ├── concat.js         # 视频拼接（ffmpeg 优先 / ComfyUI 纯节点退化）
│   ├── convert.js        # ComfyUI「导出 API」JSON → workflow manifest 转换器
│   ├── assets.js         # 跨会话资产库（角色卡 / 场景卡 / 风格锚点）
│   ├── pdf.js            # 文本节点 → PDF（puppeteer-core 优先，CLI 兜底）
│   └── client.js         # 浏览器半：画布 tab + ComfyUI 设置页
├── studio/               # 画布页（自包含 HTML/CSS/JS，无构建）
├── workflows/            # 内置工作流清单（数据，非代码）
├── schemas/              # workflow-manifest 权威 JSON Schema
├── skills/               # 自带 skill（安装时复制到 ~/.dsh/skills/）
├── docs/                 # 架构 / 契约 / 实验报告
└── scripts/              # 冒烟 / e2e / 导入转换 / 模板生成（h3-templates → workflows）与实测（bench-h3）脚本

内置工作流清单（默认，可替换）

下表是插件随附的内置默认。导入你自己的清单后即可通过 preferred 把它设为某能力的默认工作流——内置清单可以不用、可以遮蔽、可以删除。

档位（tier）与加速策略

• 视频形状 type 必填：comfy_generate_video(type='r2v', …)（参考绑定，配 ref_nodes）或 type='i2v'（首末帧串联，配 first_frame_node）。形状与参数冲突直接报错并给修法（此前是静默丢弃参数）；形状与续接（continuity_from）正交，详见 docs/video-shape-contract.md。
• 产品层档位是受控三档：fast（调试 / 调构图，长边 832）/ balanced（日常，画质与耗时平衡，长边 1344）/ quality（成片，长边 1344）。呼叫 comfy_generate_video(tier=…) / comfy_render(tier=…)；旧参数 mode= 保留为兼容别名（mode=fast|balanced|quality 与 tier 等价）。缺省是 quality —— 成本最高，技能与手工调用都建议显式传 tier=。
• 请求了不存在的档位不会静默换档：如 i2v 请求 tier=balanced → 工具显式报错并列出可用档位，改请求可用档位即可（不要原样重试）。
• 分辨率读清单（长边）+ 画布比例推导：fast 长边 832、balanced/quality 长边 1344；工具条会显式传 size=WxH（显式优先）。长边由清单声明，UI 不按档位名硬编码。
• 策略与档位的关系：策略就是把「哪些档用哪份清单」存成一套并起个名；点选后写入配置 tiers（快照语义）。策略声明了它提供哪些档位——只挑了 balanced 的策略就没有 fast/quality，工具条不显示、请求会显式报错。逐档下拉＝不命名的临时组合（显示为「自定义」，此时未选档位才回退到注册表首选）。两者都随时可改，技能侧始终只传 tier。
• 链式续接（continuity_from）怎么用：同场景后续镜传 continuity_from=上一镜的视频节点 id；该镜必须用声明了 chain 的实现渲染（各能力的 …-ctx-* 清单，或配置/显式 workflow= 指到它们）——上一镜没有链式序号时会显式报错，不会悄悄退化成"另起一镜"。硬约束：① 链的一条内分辨率与档位必须一致（latent 不能缩放，跨档显式报错）；② 首镜（起链）也得用链式实现，否则下一镜接不上；③ length 填交付帧数（续接实现自己多采 22 帧再裁掉）；④ 跨场景不要续接，直接换镜。成本：续接镜比同档标准实现慢约 1.3–1.5×（i2v fast 实测 40.4s vs 30.5s，多采 22 帧 + 多一组上下文 conditioning）。
• 加速不暴露到产品层：设置页每个能力默认只放一条内置默认策略（跟随注册表首选 = 各档非加速首选实现）。技能与文档只写 tier，不写加速实现 id 或节点名。
• 策略由你自己命名与组合：点「＋ 新增策略（命名 + 逐档组合）」→ 起名 + 逐档从现有清单里挑（可按家族跨清单组合，例如 balanced 用 PDD+Sol、quality 用标准），保存即选用；之后可重命名/删除。只挑一个或两个档位也行（≥1 即可）——没挑的档位不属于这条策略：配置页的逐档区与工具条档位下拉都会跟着收敛（没这个档位就连行都不显示），显式请求那个档位会报错（不会回退到别的实现），不写档位时则按这条策略提供的最靠前那档走（并给提示）——所以「只把 balanced 换成 PDD」得到的是一条"只有 balanced"的策略，想三档都能出就用策略行的「编辑档位」把三档都挑上。Sol / PDD 都只是可选清单，不会被自动包装成"官方策略"。逐档下拉也随时可用（不保存为策略时显示为「自定义」）。
  • ⚠️ Sol 清单需自装第三方节点 ComfyUI-SolAttn-Ampere（注册名 SolAttnMiniMaxH3，没装会报 node type not found）；缺节点时该实现置灰不可用（不静默回退到标准实现）。
  • 同 seed 关/开对照实测：成片档 20 步 768p 收益最大——ref2v 396.6s→311.2s（1.27×）、i2v 394.8s→314.7s（1.25×），高频细节持平（±2.5%）；balanced 8 步 166.3s→136.3s（1.23×）；480p / fast 档只有 1.03× 且高频细节 −13.8%，不要开。⚠️ 本插件栈必须 dense_first_percent: 0（默认 0.2 会让节点把每次调用判为"去噪早期"而完全不稀疏）；诊断清单可复核 sol_attn>0。⚠️ 同 seed 不再复现同像素（注意力内核换了，即使不稀疏也差 15.1/255）→ 一部片子里要一致地全用或全不用，不能逐镜混用。由 node scripts/make-h3-variants.mjs 从 scripts/h3-templates/ 生成，详见 docs/minimax-h3-acceleration-lora.md §9.8 与 docs/tier-strategy-design.md。

实测耗时（16:9 · 124 帧 ≈ 5.17s）

耗时随硬件、驱动、模型文件版本而变，上表只作量级参考（决定选哪一档、加速值不值得开）。

续接镜（…-ctx-*）：同一档位下比标准实现慢约 1.3–1.5×（多采 22 帧 + 一组 Motion Context 条件）。i2v fast 实测：起链 36.4s / 续接 40.4s（同档标准 i2v fast 对照 30.5s）。

PDD 清单（长边 1344，需自己在设置页组进策略）：ref2v 184.7s / 叠加 Sol 137.3s；i2v 178.8s / 叠加 Sol 134.1s。同条件下的 20 步成片档为 394.4s / 392.4s（PDD 的锐度还高 +10.3% / +7.9%）→ PDD 相当于用 8 步的钱买 20 步的画质。

画质：balanced（8 步）帧锐度比 quality（20 步）高约 13%；fast 档细节最弱、适合调构图 / 走位；PDD 8 步则高于成片档。

⚠️ 版本兼容（v0.1.x → 现在）：组 minimax-h3-i2v（拆分后是多份单档清单，见上表）的 base 已从 minimax_h3_ref2va_pruned_int8_convrot 换成 minimax_h3_fl2va_pruned_int8_convrot（+21GB 下载），LoRA 换成 minimax_h3_fl2v_lightx2v_turbo_4step_v0.1_comfy（+2GB）。原因是原先 i2v 用 Ref2VA base 跑 MiniMaxH3ImageToVideo 属跨变体错配（拿不到 fl2v 系迭代红利）。这两个资产现在由独立配置键驱动（models.h3FlUnet / models.h3FlFastLora，或 env DSH_SVS_H3_MODEL_FL / DSH_SVS_H3_LORA_FL_FAST）——旧键 h3RefUnet / h3FastLora 只作用于 ref2v 档，不再被 i2v 复用。若不想多下 21GB，用配置把它按旧组合钉回去即可（i2v 会退回旧行为）：

"assetOverrides": {
  "minimax-h3-i2v-quality": {
    "unet": "minimax_h3_ref2va_pruned_int8_convrot.safetensors",
    "fast_lora": "minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors"
  }
}

旧 id 的配置无需改写（P2 迁移已内置）：assetOverrides 按族继承——新 id 会同时读旧 id 的覆盖（minimax-h3-ref2v-* 继承 minimax-h3-ref2v，*-balanced* 额外继承 minimax-h3-ref2v-8step，minimax-h3-i2v-* 继承 minimax-h3-i2v），且精确匹配新 id 的覆盖优先级更高；旧 models.* 键也按族映射到各档清单。所以你不必逐档重写配置。

⚠️ LoRA 与 shift 必须配对（硬约束）：544p 系 LoRA（ref2v/fl2v 4step v0.1）= shift 12/3；768p 系 LoRA（*_8step_v1.0_768p、fl2v v1.1/v1.2 768p）= shift 6/3，且分辨率必须进 768p 训练域（本插件用 1344×768）。错配不是"略糊"而是结构性崩坏。shift 写在清单 graph 里（modes 不支持按档改标量），所以换档位 pairing 的正确做法是加一份新清单。

Agent 工具契约

全部工具模型无关：capability 由注册表 preferred 解析到具体工作流，prompt 与流程里不硬编码模型名。

扩展：开发你自己的场景 skill

适配场景：插件默认内置两种场景 skill——3D 动画短片（故事创意 → 角色/场景/镜头/分镜/逐镜/合成）与品牌宣传短片（品牌素材 → 事实核验/创意方向/镜头表/逐镜/合成）。但场景不是插件边界——任何「输入 X → 产出视频内容」的创作场景，都能通过扩展 skill 覆盖，复用同一套执行层工具（生成 / 画布 / 资产 / 拼接 / 飞书交付），只换编排规则：

每个场景 skill 就是一个 SKILL.md（纯文本编排规则），插件对它零认知——触发哪个 skill 就完全按它执行。三步即可定义一种新场景：

1. 在 ~/.dsh/skills/ 下新建目录（或本仓库 skills/ 下），写 SKILL.md，frontmatter 声明触发条件：

---
name: my-niche-skill
description: 把 X 素材做成 Y 风格短片的完整流程。当用户提到「X 转 Y 短片」时使用。
whenToUse: 适用于……不适用于……
---

## 生产流程
1. 开场：用 canvas_set_state 声明画幅/时长/音频模式与分组展示顺序
2. 用 comfy_generate_image 建角色卡/场景卡（单视图、零文字）
3. 用 comfy_generate_video(type=…, tier=…) 逐镜生成（fast 调试 → quality 成片）
4. 用 video_concat 拼接，交付前把文本要点写进回复（飞书自动送达产物）

2. 用能力词汇而非模型名：skill 里只写 comfy_render(capability=video.reference2video) 这类调用；具体工作流由注册表 preferred 决定，用户换模型时你的 skill 不用改。

3. 关键节点用选项卡确认（ask_user_question），把耐用产物全部落画布。

扩展：导入你自己的 ComfyUI workflow

三种途径，任选其一：

方式 A · 设置页粘贴（推荐）：Web 设置页 → ComfyUI → 工作流导入。粘贴你的工作流清单 JSON，或直接粘贴 ComfyUI「Export (API)」导出的原始 JSON（{nodeId:{class_type,inputs}} 格式）——插件会自动转换：抽取模型资产、识别可注入的标量字段，并输出「待人工确认的语义绑定」清单（哪些字段对应 prompt / 宽高 / 参考图）。

方式 B · CLI 转换：

node scripts/import-comfy.mjs exported.json \
  --id sdxl-text2image --capability image.text2image --name "SDXL 文生图"

方式 C · 手写 manifest：参照 schemas/workflow-manifest.schema.json 与内置 workflows/ 示例，写一份清单放到 ~/.dsh/dsh-short-video-studio/workflows/<id>.json（入注册表的触发条件：重启插件进程，或在设置页导入/删除任意一份清单——注册表只在写入后重载，纯刷新不会重读磁盘）。强校验保证错误清单被拒绝而不是静默降级：

{
  "id": "my-video",
  "version": 1,
  "capability": "video.reference2video",
  "runner": "comfyui",
  "displayName": "我的视频工作流",
  "output": { "mediaType": "video", "hasAudio": true },
  "assets": { "unet": { "kind": "checkpoint", "default": "my_model.safetensors" } },
  "graph": {
    "1": { "class_type": "UNETLoader", "inputs": { "unet_name": "$assets.unet" } }
  },
  "params": [
    { "name": "prompt", "inject": { "type": "scalar", "to": [["5", "prompt"]] } },
    { "name": "width",  "inject": { "type": "scalar", "to": [["5", "width"]] } }
  ]
}

导入后即可用 comfy_render / comfy_list_workflows 按能力调用；同名清单遮蔽内置版本；preferred 决定默认工作流。

配置（个性化）

优先级：环境变量 > 配置文件 > 默认值。Web 设置页的 ComfyUI 菜单提供可视化编辑，保存即生效：

ComfyUI 设置页

配置文件：~/.dsh/dsh-short-video-studio.json（或 DSH_SVS_CONFIG 指定路径）：

{
  "baseUrl": "http://localhost:8188",
  "apiKey": "",
  "pollMs": 2000,
  "timeoutMs": 900000,
  "models": { "fluxUnet": "flux2_dev_fp8mixed.safetensors", "h3Fps": 24, "…": "…" },
  "tiers": {
    "video.reference2video": { "fast": "minimax-h3-ref2v-fast", "balanced": "minimax-h3-ref2v-balanced-sol", "quality": "minimax-h3-ref2v-quality-sol" }
  },
  "preferred": { "image.image2image": ["flux2-img2img"] },
  "assetOverrides": { "minimax-h3-ref2v-quality": { "unet": "my_custom.safetensors" } }
}

• models.* / 环境变量（DSH_SVS_COMFY_URL / DSH_SVS_FLUX_MODEL / DSH_SVS_H3_MODEL_REF / DSH_SVS_H3_MODEL_FL / DSH_SVS_H3_LORA_FL_FAST / DSH_SVS_H3_LORA_8STEP 等）：换模型文件不改图结构；
• preferred：未分档能力默认用哪个工作流（设置页「设为默认」写回这里）——把你导入的工作流设为某能力的默认，即完成「换模型」，内置清单可保留可遮蔽可删除。H3 视频能力已分档，默认由 tiers / 设置页策略决定，不走 preferred；
• tiers：已分档能力的档位选择（capability → tier → 实现 id，见 docs/tier-strategy-design.md §4.1）；设置页点选策略/逐档下拉就是写这里。选「内置默认」= 清空该能力的条目（回到跟随注册表首选）；
• strategies：你自己命名并组合的策略（capability → [{ id, name, tiers }]）。设置页「＋ 新增策略（命名 + 逐档组合）」写这里，可重命名 / 编辑档位 / 删除，上限 24 条/能力；tiers 只需 ≥1 个档位，而策略定义了它提供哪些档位（没写的档位不属于它，请求会显式报错而不是回退）；指向不存在实现的选择在投影时被丢弃（不留死引用）；
• strategyOf：最近一次点过的策略 id（capability → 策略 id），只用于 UI 点亮与消歧（某条用户策略的组合恰好等于默认时，避免两个单选同时点亮）；真正生效的仍然是 tiers；
• assetOverrides：覆盖资产文件（同 $assets 机制，优先级最高）。精确匹配该档 id 的覆盖 > 旧 id 继承的覆盖（minimax-h3-ref2v-* 继承 minimax-h3-ref2v、*-balanced* 额外继承 minimax-h3-ref2v-8step、minimax-h3-i2v-* 继承 minimax-h3-i2v）；
• apiKey 非空时请求带 Authorization: Bearer（适配需鉴权的 ComfyUI 网关）。

关于"某能力的默认工作流是哪一个"：已分档能力（H3 视频）不用 preferred 解析档位——档位由 tiers 配置或各实现里该档的首选（priority 降序 → 非加速优先 → id 升序）决定（见 docs/tier-strategy-design.md）。preferred 对未分档清单（图片能力、你导入的自定义清单）仍是固定选择；没有 preferred 时取候选列表第一个，顺序是确定性的：priority 降序（缺省 0），相同则按 id 升序。想让某份清单永不被选为隐式默认（实验性、依赖自定义节点），在它的 JSON 里写负数 priority（内置的 PDD 清单用 -30；显式在设置页选进策略仍可用，缺节点时如实置灰而不是静默换实现）。internal: true 的诊断清单（如 minimax-h3-ref2v-sol-stats）则完全不参与解析。要显式钉住未分档能力的默认：

"preferred": { "image.image2image": ["flux2-img2img"] }

可选的加速件（非内置默认，按需开启）

档位契约全文：见 docs/tier-strategy-design.md（三层模型、受控三档、清单字段契约、策略＝内置默认 + 用户命名组合、解析与错误语义、实施阶段与验收脚本）。

内置清单不默认使用第三方 int8 VAE：它是社区实验件，通过配置或 assetOverrides 开启，符合"换模型=改配置/加清单"的设计。balanced（8 步）与加速实现（-sol）已改为内置：前者是正式档位之一；后者需自装第三方节点，缺节点时该实现置灰不可用（不静默回退），并在设置页「＋ 新增策略」里自行组合、命名、选用。

H3 加速选型与实测数据：见 docs/minimax-h3-acceleration-lora.md（LoRA 全家福、shift/steps/分辨率/base 四条硬约束、三档成本阶梯、PDD 复测与落地（§9.9）、Sol-Attn 细则、剩余杠杆排序）。

全工作流 Benchmark（分辨率 × 档位 × LoRA × Sol 加速）：见 docs/minimax-h3-video-benchmark.md —— 速查结论表、token/成本模型（分辨率超线性 tokens^1.5、步数线性 t≈19s+18.9s×步数）、Sol 交叉点（768p 才值得，1.25–1.38×）、一条 60 镜短片的时间换算、陷阱与未测清单。取数脚本：node e2e-out/bench.mjs、node e2e-out/inventory.mjs。

I2V 与 Ref2V 的概念差别 · 跨模型选型参考（LTX-2.5 vs MiniMax H3）：见 docs/i2v-vs-ref2v-and-model-comparison.md —— 两种"图生视频"的机制差别、角色一致性 / 分辨率 / 时长 / 速度 / 音频与字幕 / 部署成本逐维对照、按镜头类型的选型建议与未验证清单。本文是技术选型参考，不属于插件契约（插件侧只说能力、保持模型无关）。

渠道交付（飞书 / TUI）

前置：飞书渠道 dsh-lark 是 web profile 插件，需 dsh plugin --profile web add dsh-lark-channel@latest（与 dsh web 共用同一 profile，见飞书集成）。

「画布」tab 只在 Web 可见；跑在 TUI / 飞书时，插件在每次提问（ask_user_question）前自动把画布未送达产物发到飞书：媒体文件直接发，文本/表格节点自动导出 PDF（文件名取节点标题，如 主角卡.png / 简报.pdf）。群聊会先弹审批卡、再出选项卡。Web / TUI 无此通道，产物在画布/工作区，按工具返回的绝对路径自取。详见 docs/channel-delivery.md。

实战要点（沉淀自真实生产）

1. 参考图必须用单视图：参考图里有几个身体，画面就倾向出现几个角色；三视图拼图必然产生角色副本，且 prompt 声明无效（实验报告）。只用单视图卡。
2. 参考图内不得有任何文字：角色名、FRONT VIEW 之类标注会被视频模型渲进成片。名字只写画布标题与资产元数据。
3. 多角度对模型无增量价值：单张正面卡足以支撑转身/走远镜头；多角度时把多张单视图分别放进不同 ref_nodes 槽位，绝不拼成一张图。
4. 原生字幕：使用带原生字幕能力的视频模型（如内置默认 H3）时，对白字幕写进 prompt 末尾即可端到端渲染（含中文）；换成不带该能力的模型后，此条不适用，字幕需走其它方式。
5. 同场景续接优先用链式续接（continuity_from），不是末帧串联：前者把上一镜的 latent 逐帧钉进本镜、音频也接着走，接缝几乎看不出来；后者只是拿一张静帧当首帧，模型仍要重新猜运动与声音。跨场景不续接，只放「角色 + 场景」参考。
6. 转场镜与锚点式重渲是 i2v 的两处专用场景：转场镜要精确落回下一镜首帧（末帧锚定），锚点式重渲要在改中段时保住下游首帧。两者都能再叠链式续接（用 …-i2v-ctx-*）：链式 i2v 里首帧锚点会被丢弃（开头由上一镜尾部决定）、末帧锚点保留 ⇒ 尾部连续 + 精确落点同时拿到。
7. 角色分状态建卡：同一角色不同着装分别建单视图卡。

H3 结构化 prompt（本地版 H3-Context-IR 替代）

本地 H3 工作流（minimax-h3-*）的逐镜 prompt 默认走 H3 结构化格式，用「本地 agent + skill」复刻官方云端 H3-Context-IR 的核心产物，提升成片质量（官方明言 Context-IR 直接决定输出质量）：

• h3-prompt-writing skill（插件适配版）：官方 MiniMax 规范（references/base-en.txt / ref-en.txt 只读引用）+ 插件映射表 references/studio-mapping.md。参考绑定镜输出 Ref2VA 六段式（subject_definitions / summary / retention_analysis / detailed_description / overall_soundscape / non_diegetic_music）；首末帧串联镜 / 转场镜输出 I2VA / FL2VA 三段式（对齐指令 + integrated_multimodal_description + overall_soundscape + non_diegetic_music）。仅当解析工作流 id 前缀为 minimax-h3- 时启用，其他模型自动回退自由格式（模型无关）。
• 片型 skill 委托：3D 动画、品牌宣传等片型 skill 的逐镜生成步骤只写「加载 h3-prompt-writing 重写」，不内置任何 H3 字段细节（职能单一）。
• hook 门兜底：tools/pre-execute 校验 H3 系工作流的 prompt 是否携带结构化字段，缺失时 deny 并引导 agent 加载 skill 重写（同一 agent 连续 2 次后降级放行，不会死循环）。
• 关闭方式：覆盖 / 删除 ~/.dsh/skills/h3-prompt-writing 的「插件对接」适配节（或整体删目录）即回到自由格式组装；lib/index.js 的 H3_PROMPT_GATE 常量可单独关掉 hook 门。

✅ 字幕兼容已实测定稿（A/B 六变体，见画布「A/B 实验结论」，配方唯一权威版在 skills/h3-prompt-writing/SKILL.md 的 §字幕）：六段式下字幕以英文双引号 on-screen text 声明内嵌 detailed_description 对白处（中文措辞指令任何位置不生效），四条限定词缺一不可——声明紧贴对白句 + reading exactly "原文" + 强调描边对比 + 只给结束点（不给起止时间窗）；失败写法：给时间窗、台词 1.0s 才起。每档都能出字幕、没有档位硬规则（由用户/脚本需求决定）；实测 quality 20 步逐字一致、balanced 8 步整段未烧、fast 4 步有错字，故成片字幕建议 quality，其余档走自检门逐镜核对后再按需升档。口型安全 / 一致性 / 音频与旧格式同级，动作执行略优。

示例：《一只想当宇航员的小狐狸》

一个完整走完流水线的 30 秒 3D 动画短片（6 镜、quality 档、H3 原生字幕），展示画布各步骤的真实产物。

角色卡与场景卡

⚠️ 以下角色卡为历史三视图拼图 + 带标注文字，属反面示例（实测会导致多角色副本与文字烙印）；正确做法见上文实战要点——单视图、零文字。

小狐狸（不穿）	小狐狸（穿宇航服）	小兔子

夜晚森林	白天工作台	森林小径	山顶星空

逐镜成片截图

S01	S02	S03
S04	S05	S06

成片 1344×768 · 24fps · 29.6s · H.264 + AAC（H3 声音）· H3 原生中文字幕。对白（含字幕）：S01「总有一天，我要飞到星星上去！」→ S02「我要做一件宇航服！」→ S03 小兔子「狐狸怎么能当宇航员呀？」→ S04「梦想又不需要翅膀，只需要勇气！」→ S05「看，我就要起飞啦！」→ S06「星星……我来啦……」。

复现：在会话里说「把『一只想当宇航员的小狐狸』做成 30 秒 3D 动画短片」，Agent 会按 skill 的 Step 0→8 逐步落画布并逐镜生成。

更新日志

更早版本的完整变更见 GitHub Releases（每次打 v* tag 自动生成）。

v1.3.0 — 形状契约 · 链式续接落地（含 i2v）· skill 版本戳（2026-09-15）

✨ 新增 / 改进

• 视频形状 type 必填（r2v 参考绑定 / i2v 首末帧串联）：形状与参数冲突直接报错并给修法，此前是静默丢弃参数；comfy_generate_video / comfy_render / POST /generate/video 共用同一张真值表，校验在上传参考图之前完成（非法请求零副作用）。视频节点现在记 params.type，画布可辨识转场镜 / 锚点式重渲。
• 链式续接（continuity_from）全面落地：同场景续接镜把上一镜的服务端 latent 逐帧钉进本镜、音频从接缝继续（实测接缝画面差 2.6–7.0，无续接对照 32–68；响度台阶稳定变好）。四档覆盖矩阵全绿，附录含测量口径与已知坑。
• i2v 也有链式实现（组「MiniMax H3 首末帧·链式续接」，4 份清单）：模板由 scripts/make-h3-ctx-templates.mjs 从普通 i2v 模板派生（可复现）。实测行为契约：链式 i2v 里 first_frame_node 会被丢弃（钉住的 head 已决定开头约 22 帧）、last_frame_node 保留 ⇒ 转场镜「续接上一场景尾镜 + 末帧锚定下一场景首镜」成为当前最优解，锚点式重渲也不再脱离续接链。fast 档已端到端实测（链路索引、22 帧 + 1.000s 音频上下文、裁剪与尾对齐补零、非链式反例拒跑全部通过）。
• 续接变成规划期的一等公民：3d-animation-short-generator v2.3.0 的镜头表从六列扩到七列（新增「续接」列：起链 / 接 S0x / 锚定 S0x↔S0y），自检门扩到十项（续接链闭合性、续接可行性）；正片镜走 r2v + 续接，i2v 收敛为「转场镜 / 锚点式重渲」两处专用能力。
• 自带 skill 版本戳刷新：安装时复制到 ~/.dsh/skills/ 的每个副本带 .dsh-studio-manifest（插件版本 + 内容 sha256）；内容没被你改过就随插件升级自动刷新，改过就只提示、不覆盖（DSH_SVS_SKILL_REFRESH=off|force 可关/强制）。

📝 文档 / 其它

• 新增 docs/shot-chain-continuity.md（机制验证矩阵、档位 × 加速件覆盖矩阵、i2v 实测、测量口径与已知坑、复现命令）与 docs/video-shape-contract.md（形状真值表、片型对照、i2v ctx 状态与待补项）；docs/ARCHITECTURE.md 补 skill 安装语义（五种情形 + 环境变量 + 回归入口）。
• 仍待补（已在文档记录）：i2v 链式续接的 balanced / balanced-pdd / quality 三档实测、i2v 续接的对照重设（现有对照与上一镜同 seed + 同首帧，会把"同种子趋同"混进音频指标）、接缝的人工听核、跨形状续接的端到端实跑。

v1.2.2 — 字幕写法单源 · I2V/Ref2V 选型文档（2026-09-14）

✨ 新增 / 改进

• 字幕与画面内文案的写法收归单一权威：h3-prompt-writing 该节升级为「字幕与画面内文案（唯一权威版）」，四条定稿写法 + 失败写法 + 容量阈值 + 档位口径集中一处；3d-animation-short-generator / brand-promo-video-generator 只引用、不复述（原先各自带一份简化版，漏限定词会导致字幕整段不烧，属已实测缺陷）。画面内文案与字幕同源同法（标牌 / UI / 品牌文案同理）。
• 适用面扩到「声明支持字幕的实现」：H3 走结构化内嵌路径（Ref2VA 的 detailed_description、I2VA·FL2VA 的 integrated_multimodal_description），非 H3 走自由格式路径（英文引号逐字声明紧随对白 / 文案句，不用末尾中文指令）；两条路径的四条写法一致。
• 档位口径写清：字幕能力是实现级属性，判定权在逐镜自检门；没有「某档必须出字幕」的硬规则（默认 quality，同档换实现前先按取证入口验证）。
• 新增选型参考文档 docs/i2v-vs-ref2v-and-model-comparison.md：I2V 与 Ref2V 的机制差别、角色一致性 / 分辨率 / 时长 / 速度 / 音频与字幕 / 部署成本逐维对照（LTX-2.5 vs MiniMax H3）、按镜头类型的选型建议与未验证清单。该文不属于插件契约（插件侧只说能力、保持模型无关）。

📝 文档 / 其它

• 修正 docs/tier-strategy-design.md 中指向旧节名的两处失效引用（节名已改）。
• 公开文档不再出现测试机器的型号与显存数字（延续 v1.2.1 的口径）；技术前提（架构、无 FP8 路径、无 nvcc）全部保留。
• 本版为技能 + 文档版本：接口、档位契约与工作流清单零变化。

v1.2.1 — 文档（2026-09-14）

• 公开文档不再点名测试机器（README / skill / docs 一致），耗时数字保留但注明只作量级参考、随硬件与版本浮动；docs 里的实验报告改按架构描述（sm_80 单卡），技术前提（架构、无 FP8 路径、无 nvcc）全部保留。
• 这一版是纯文档版本：为了让 npm 页面渲染到清理后的 README 而发布。

v1.2.0 — 档位契约 · 策略模型 · PDD 8 步（2026-09-14）

✨ 新增 / 改进

• 受控三档 tier（fast / balanced / quality）：一个工作流 json = 一个档位实现，comfy_generate_video(tier=…) / comfy_render(tier=…)；旧参数 mode= 保留为兼容别名。请求不存在的档位显式报错并列出可用档位（不静默换档）；分辨率＝清单声明的长边 × 画布比例推导。
• 视频清单从 2 份扩到 18 份：参考生成（ref2v）与首末帧生成（i2v）各有 fast / balanced / balanced-sol / quality / quality-sol，外加每条能力的抽帧与内部诊断清单——档位与加速实现可以按能力自由组合。
• 策略＝每能力一条内置默认 + 你自己命名并组合的策略：设置页「＋ 新增策略」起名 + 逐档挑实现（挑 ≥1 档即可，可跨清单组合），支持重命名 / 编辑档位 / 删除。策略声明它提供哪些档位：没挑的档位在设置页逐档区与工具条都不出现，显式请求会报错（不回退到别的实现），不指定档位时按该策略自身最靠前的档解析。
• PDD 8 步蒸馏（可选，需自装第三方节点包与权重）：nfe=8 就拿到成片档以上的细节量——ref2v 184.7s、i2v 178.8s（同条件 20 步成片档 394.4s / 392.4s，帧锐度还高 +10.3% / +7.9%），叠加 Sol-Attn 后 137.3s / 134.1s。落地为四个普通清单，不做隐式默认（priority<0，缺节点时如实置灰）。
• 设置页能力×档位矩阵：逐档下拉按家族分组、带实测耗时与「缺哪个节点」标记，不可用实现置灰；策略单选 + 策略管理（新增/重命名/编辑档位/删除）。
• i2v 改用 FL2VA base（修正原先"用 Ref2VA base 跑 i2v"的跨变体错配），新增独立配置键 models.h3FlUnet / models.h3FlFastLora（env DSH_SVS_H3_MODEL_FL / DSH_SVS_H3_LORA_FL_FAST），旧键只作用于 ref2v。

⚠️ 升级须知

• 旧视频清单 id minimax-h3-ref2v / minimax-h3-i2v 已拆成上表里的单档清单；配置中指向旧 id 的 preferred 不再决定视频档位（改由 tiers / 策略决定），但旧 asset id 仍按继承规则生效（assetOverrides 不必改）。
• i2v 换 base 需额外下载 FL2VA 权重（+21GB 左右）；不想多下可用配置钉回旧组合，见下方「版本兼容」。
• 视频默认档是 quality（20 步，最慢最贵），技能与手工调用建议显式传 tier=。
• 新的策略模型要重启插件（或导入/删除任意清单触发注册表重载）后才会出现在设置页。

📝 文档

• 新增 docs/tier-strategy-design.md（档位/策略契约全文，含"策略声明它提供哪些档位"的解析语义）与 docs/minimax-h3-video-benchmark.md（A/B 实测）；docs/minimax-h3-acceleration-lora.md §9.9 收录 PDD 复核（含先前"不可用"结论及其两个成因的更正）。

发布新版本（维护者）

npm 包由 GitHub Actions 自动发布（推送 v* tag 触发，见 .github/workflows/npm-publish.yml；发布前自动跑冒烟自检并带 provenance 供应链签名），并在 npm 发版成功后自动为同一 tag 生成 GitHub Release——变更摘要取「上一个 tag → 本 tag」的提交，按 ✨ 新增/改进 · 🐛 修复 · 📝 文档/其它 自动归类，打开 Releases 页即可看到每版新增的功能。前提：仓库已配置 NPM_TOKEN secret（npmjs.com → Access Tokens → Automation 类型）与 GITHUB_TOKEN（Actions 内置，无需配置）。

npm version patch        # bump 版本并打 vX.Y.Z tag（minor / major 同理）
git push origin main --follow-tags   # 推送即触发自动发布（npm + GitHub Release）

发布后安装方式：dsh plugin --profile web add dsh-short-video-studio。

更多设计细节：架构 docs/ARCHITECTURE.md · 工作流契约 docs/workflow-contract.md · 链式续接（机制验证矩阵 / 档位覆盖矩阵 / i2v 实测 / 测量口径）docs/shot-chain-continuity.md · 形状与续接契约（type 必填、r2v↔i2v 参数表）docs/video-shape-contract.md · 渠道交付 docs/channel-delivery.md。